Revista de Senología y Patología Mamaria 34 (2021) 44---51

Revista de Senología
y Patología Mamaria
www.elsevier.es/senologia

ARTÍCULO DOCENTE

Metaanálisis: una forma básica de entender e

interpretar su evidencia
Vicente Javier Escrig Sos a,∗ , José Antonio Llueca Abella b , Laura Granel Villach a
y Manuel Bellver Oliver a

a
Servicio de Cirugía General y Digestiva, Hospital General Universitario de Castellón, Castellón, España
b
Servicio de Ginecología y Obstetricia, Hospital General Universitario de Castellón, Universitat Jaume I, Castellón, España

Recibido el 18 de abril de 2020; aceptado el 11 de mayo de 2020

Disponible en Internet el 6 de julio de 2020

PALABRAS CLAVE Resumen El metaanálisis es un método sistemático para sintetizar resultados de diferentes
Metaanálisis; estudios empíricos sobre el efecto de una variable independiente, sea de intervención o trata-
Revisión sistemática; miento, en un resultado final preciso. Desarrollado principalmente en la investigación médica
Sesgo de publicación; y psicológica como una herramienta para sintetizar información empírica sobre los resultados
Heterogeneidad de un tratamiento, ahora el metaanálisis se usa cada vez más en las ciencias de la salud, for-
mando parte de las revisiones sistemáticas, como una herramienta de inferencia estadística.
Sin embargo, a pesar de sus indiscutibles propiedades para la síntesis de la información dispersa
en la literatura y para la resolución de controversias con un alto grado de evidencia, adolece
de distintos problemas en la consecución de estos objetivos. Es necesario conocer su entra-
mado metodológico, aunque sea a un nivel básico, para valorar su validez en el logro de dichos
objetivos.
© 2020 SESPM. Publicado por Elsevier España, S.L.U. Todos los derechos reservados.

KEYWORDS Meta-Analysis: A Basic Way To Understand And Interpret Your Evidence

Meta-analysis;
Systematic review; Abstract Meta-analysis is a systematic method to synthesise results from different empirical
Publication bias; studies on the effect of an independent variable, whether an intervention or treatment, on a
Heterogeneity precise outcome. These studies were mainly developed in medical and psychological research
as a tool to synthesise empirical information on the results of treatment. They are currently
increasingly used in health sciences, forming part of systematic reviews, as a tool for statistical
inference. However, despite their undoubted usefulness for synthesising information scattered
in the literature and for resolving controversies with a high grade of evidence, these studies also
show various problems in achieving their aims. Familiarity with their methodological framework
is essential, even at a basic level, to assess their validity in achieving their objectives.
© 2020 SESPM. Published by Elsevier España, S.L.U. All rights reserved.

∗ Autor para correspondencia.

Correo electrónico: javierescrig@icloud.com (V.J. Escrig Sos).

https://doi.org/10.1016/j.senol.2020.05.007
0214-1582/© 2020 SESPM. Publicado por Elsevier España, S.L.U. Todos los derechos reservados.
 Revista de Senología y Patología Mamaria 34 (2021) 44---51

Introducción metodológica de la revisión sistemática, a la calidad de la

El metaanálisis es una técnica estadística que combina y
resume los resultados de varios estudios individuales. En
medicina clínica lo que resume es la diferencia de efecto
entre dos intervenciones médicas, generalmente algún tra-
tamiento reciente y potencialmente útil frente a otro
tratamiento ya contrastado y asentado en la práctica médica
habitual. Al combinar varios estudios se produce un notable
aumento del tamaño de la muestra, lo cual lleva a obtener
más fácilmente un resultado final estadísticamente signifi-
cativo y más preciso: su banda de fluctuación, o Intervalo de
Confianza poblacional, será más estrecha. Desde varios estu-
dios, incluso estudios no concluyentes, se puede obtener así
un resultado estadísticamente concluyente y que, al menos
teóricamente en cuanto a su estimación puntual, estaría
muy cercano al verdadero valor existente en la población
en el aspecto que se analiza.
La definición moderna de metaanálisis proviene de la psi-
cometría y data del trabajo de Glass1 publicado en 1976,
es decir, ya arrastra una historia y una evolución de más
de 40 años2 . En aquel artículo se manifiesta la imperiosa
necesidad existente para la comunidad científica de poder
resumir la ingente cantidad de información dispersa en la
literatura. Para ser fidedigno, dicho resumen se debe hacer
de la forma más sistemática y reglada posible. Por ello, el
metaanálisis forma parte de la llamada revisión sistemática
de la literatura3 . Se podría decir que es la parte estadís-
tica inferencial de la revisión sistemática (fig. 1), aquella
que resume y extrapola a la población general los resulta-
dos extraídos de la muestra analizada. Por ello, la calidad
de un metaanálisis está directamente ligada a la calidad
selección de estudios que ella produce, y a la calidad de los
propios estudios que la integran, generalmente ensayos clí-
nicos aleatorizados, en los que se analiza la diferencia de
efecto producida entre dos intervenciones médicas del tipo
que sea. Un buen metaanálisis ocupa pues el escalón más
elevado en la Medicina basada en la evidencia.
Básicamente, existen dos grandes tipos de metaanáli-
sis convencional: el metaanálisis de datos agregados y el
metaanálisis de datos individuales, cada uno de ellos con
diversas variantes en cuanto a su tratamiento estadístico. El
metaanálisis de datos individuales es el más indicado, pero
es también el que ostenta en la práctica enormes dificul-
tades en su realización, especialmente en lo referente a la
recogida de datos de pacientes individuales de múltiple ori-
gen. Por ese motivo el metaanálisis de datos agregados es
el más prevalente en la literatura y se le puede conside-
rar como el «clásico» para los clínicos. Parte de recoger las
medidas estadísticas de resumen de cada uno de los estu-
dios que combina (medias, proporciones, etc.), que deben
estar debidamente plasmadas como variables en una tabla
de datos (fig. 2) a la que se aplicarán las técnicas de análisis
estadístico que las combinarán y resumirán en un resultado
final. Este es el tipo de metaanálisis que nos ocupa en este
artículo de divulgación.
Información, fortalezas y limitaciones
No se debe cometer la inconsciencia de asumir sin más que
un metaanálisis ya equivale de por sí a evidencia definitiva.
El metaanálisis tiene diversos problemas que generalmente
proceden de los factores de confusión que puedan contener

Formulación de objetivos
Enfermedad, Población,
Intervención, Efectos, Medidas

Búsqueda bibliográfica
Criterios de búsqueda

Criterios Selección Calidad

Inclusión-Exclusión Diagrama de flujo de los estudios
(definir) (elegir escala)

Recogida de datos
Tabla de estudios seleccionados
Tabla de variables para cálculos

Puntos débiles
Cálculos estadísticos Sesgo de publicación
Resultado Pruebas de efectos fijos
Forest plot Heterogeneidad
Pruebas de efectos aleatorios Análisis de sensibilidad

Presentación
Discusión
Conclusiones
Recomendaciones

Figura 1 Etapas de una Revisión sistemática y Metaanálisis.

45
 V.J. Escrig Sos, J.A. Llueca Abella, L. Granel Villach et al.

A (Tratamiento Experimental) (Tratamiento Control)

Estudio Año Total casos Media D.E. Total casos Media D.E.
Autor 1 1999 50 12 8 60 6 10

Autor 2 2001 75 20 6 85 4 15

Autor 3 2005 90 10 4 120 12 6

El resultado se puede reportar como:
• Diferencia media entre Experimental y Control
• Diferencia media estandarizada (Tamaño del Efecto: Cohen, Hedges, Glass)

B (Tratamiento Experimental) (Tratamiento Control)

Estudio Año Sucesos No Sucesos Sucesos No Sucesos
Autor 1 1999 30 125 25 130

Autor 2 2001 48 225 66 245

Autor 3 2005 44 135 55 139

El resultado se puede reportar como:

• Diferencia de proporciones entre Experimental y Control.
• Odds Ratio
• Riesgo Relativo

Figura 2 Disposición habitual de las variables en una tabla de datos para metaanálisis
A: ejemplo de tabla básica para analizar diferencias de efectos de tipo cuantitativo.
B: ejemplo de tabla básica para analizar diferencias de efectos de tipo cualitativo.
D.E.: desviación estándar.

los estudios que combina y resume, factores que si exis-
ten se trasladan siempre al metaanálisis, de la mejor o
peor selección de estudios que se hace en la revisión sis-
temática y los derivados del propio análisis estadístico. Se
trata de sesgos que de alguna manera se deben identificar,
porque si existen, lo que hacen es alejar el resultado final
del verdadero resultado existente en la población4 . No obs-
tante, aunque tal aproximación al verdadero resultado en
la población se logre en mayor o menor medida, un buen
metaanálisis puede despejar incógnitas y siempre consti-
tuirá una sinopsis que ahorra largas horas de búsqueda y
lectura de la literatura. Dentro de la valoración de la calidad
de un metaanálisis también es muy importante comprobar
que cumpla con unas determinadas normas de publicación5---7
como la mejor manera de que el lector pueda identificar sus
fortalezas y limitaciones.
Entre los diversos problemas que pueden aparecer hay
dos que son capitales, y que de forma constante se analizan
en todos los artículos. Las normas de publicación obligan. Se
trata del Sesgo de publicación8 y de la heterogeneidad9 del
resultado final, que afectan tanto a la validez interna como
a la validez externa del metaanálisis.
El sesgo de publicación
Puede producirse cuando en la selección de artículos se
recogen mayoritariamente grandes ensayos con resultados
concluyentes, es decir, estadísticamente significativos, y se
excluyen ensayos no concluyentes que frecuentemente pre-
sentan resultados de escasa magnitud, por lo que no suelen
ser publicados, al menos en revistas importantes de lengua
inglesa. Las políticas editoriales de las revistas científicas y
las políticas de las empresas farmacéuticas favorecen este
fenómeno, así como la búsqueda de artículos en sólo una
o pocas bases de datos bibliográficas. Todo ello influye en
que este tipo de ensayos tengan una menor probabilidad de
ser seleccionados en la revisión sistemática. Se cree que en
algunos metaanálisis la no inclusión de estudios no conclu-
yentes puede incrementar artificialmente hasta seis veces
el tamaño de las diferencias finales4 . Para aminorar el sesgo
de publicación en los resultados de un metaanálisis se debe
hacer un esfuerzo adicional para localizar estudios no publi-
cados y estudios no concluyentes. Identificar estudios no
publicados es ahora algo más fácil, gracias a una mejor
comunicación entre los investigadores de todo el mundo, y
gracias a los registros en los que constan todos los estudios
de una determinada enfermedad o tratamiento, indepen-
dientemente del resultado4 .
La identificación de un sesgo de publicación se hace
habitualmente sobre unas gráficas en forma de embudo o
funnel plot10,11 . Son unas gráficas de dispersión entre alguna
medida relacionada con el error estándar (tamaño de la
muestra) y los resultados de cada ensayo incluido que apa-
recen como puntos o círculos alrededor del resultado del
metaanálisis (fig. 3).
La figura 3A es un ejemplo de ausencia de sesgo de publi-
cación. Tanto los puntos correspondientes a los ensayos con
gran muestra, como a aquellos con muestras menores, se
distribuyen homogéneamente dentro del triángulo y a cada
lado de la línea de puntos que marca el resultado del metaa-
nálisis. La figura 3B es un ejemplo de la existencia de un
importante sesgo de publicación. Los puntos correspondien-
tes al resultado de los distintos ensayos incluidos no se
distribuyen homogéneamente dentro del triángulo ni alre-
dedor del resultado del metaanálisis. En este ejemplo se
puede observar que no han sido incluidos en el metaanálisis
ensayos con menor muestra y con diferencias de signo posi-
tivo, seguramente no concluyentes debido a lo escaso de
su muestra. Esto hace que el resultado final se vea atraído
sesgadamente hacia unas diferencias de signo negativo.
La interpretación gráfica del sesgo de publicación es
una buena manera de analizar su existencia. Todo lo que

46
 Revista de Senología y Patología Mamaria 34 (2021) 44---51

1
A
ERROR ESTÁNDAR
GRANDES
2 ESTUDIOS

Menor muestra
3

PEQUEÑOS
4 ESTUDIOS

5
-15 -11 -7 -3 1 5 9

RESULTADO DEL METAANÁLISIS (DIFERENCIAS)

1
B
ERROR ESTÁNDAR
GRANDES
2 ESTUDIOS
Menor muestra

PEQUEÑOS
4 ESTUDIOS

5
-15 -11 -7 -3 1 5 9
RESULTADO DEL METAANÁLISIS (DIFERENCIAS)

Figura 3 Funnel plot para escrutar la existencia de sesgo de publicación.

no se vea como en la figura 3A indica sesgo de publicación
en mayor o menor medida. Junto con la gráfica Funnel se
suele reportar alguna prueba de hipótesis orientada a este
sesgo, con un valor p que indicará sesgo de publicación
cuando sea estadísticamente significativo12 . La incerti-
dumbre aparece cuando ese valor p no es significativo.
Entonces, no se puede confirmar este sesgo, pero tampoco
se confirma que esté descartado. Es en este caso cuando
más útil resulta una interpretación visual de la gráfica
Funnel. Sin embargo, cuando en un metaanálisis se hayan
incluido pocos ensayos la gráfica Funnel mostrará pocos
puntos, lo cual dificultará su interpretación, y también
será más probable que las pruebas de hipótesis ofrezcan
valores p no significativos, de modo que podemos volver a
quedarnos en la incertidumbre de saber si este sesgo está
realmente presente. En estos casos más dudosos pueden
ser de ayuda los llamados métodos «Trim and Fill», y los
Índices de tolerancia13,14 que indican el hipotético número
de ensayos pequeños o no concluyentes que sería necesario
introducir en el metaanálisis para que hubiese un cambio
notable en el valor del resultado final y en su significación
estadística. Lógicamente, si ese número es pequeño nos
estará señalando un posible sesgo de publicación. Así pues,
puede ocurrir que en algunas ocasiones sea complicado
valorar la presencia y el alcance de este importante sesgo.
La heterogeneidad
Se refiere al grado en que los resultados individuales de
los ensayos incluidos en el metaanálisis difieren entre sí.
Cuando es elevada, tal variabilidad lo que produce de nuevo
es la total inseguridad de que el resultado del metaanáli-
sis se corresponda bien con el verdadero valor existente en
la población, porque nos viene a decir que posiblemente
en el metaanálisis hemos incluido realmente diferentes
cuestiones de investigación: «estamos mezclando peras con
manzanas». Se trata pues de un aspecto fundamental al
valorar la validez del resultado del metaanálisis.
Actualmente, su existencia se suele escrutar mediante la
obtención de un estadístico llamado I-cuadrado (I2 ) que se
reporta en forma de porcentaje, de 0 a 100%, y se acompaña
de un valor p. Valores progresivamente superiores a un tercio
(33%) ya nos van indicando un grado progresivo de hetero-
geneidad a considerar, que se verá confirmada si supera el
50% y si además su valor p es estadísticamente significativo.

47
 V.J. Escrig Sos, J.A. Llueca Abella, L. Granel Villach et al.
0
Mejor Tratamiento A Mejor Tratamiento B
Figura 4 Gráfica Forest.
Al igual que con el sesgo de publicación, la heterogenei-
dad es posible percibirla desde los gráficos que se utilizan
para mostrar el resultado del metaanálisis, las gráficas «en
árbol» o forest plot (fig. 4). Una gráfica Forest contiene
diversos elementos que deben conocerse al detalle.
Consta de un eje horizontal que marca la gama de posi-
bles diferencias de efecto del metaanálisis, así como a qué
tipo de intervención favorecen. El eje vertical situado cen-
tralmente es la línea de diferencias inexistentes, es decir,
señala la hipótesis nula. Se marca con un 0 cuando las dife-
rencias se refieren a medias o porcentajes, y con un 1 cuando
corresponden a medidas relativas del riesgo (Odds ratio,
Riesgo relativo, o Hazard ratio). Los cuadrados negros, en
su centro, señalan la estimación puntual de las diferen-
cias halladas en cada uno de los ensayos incluidos en el
metaanálisis. Estos cuadrados se acompañan de una línea
horizontal que corresponde a su intervalo de confianza. La
mayor o menor dimensión de los cuadrados nos indica el
peso que tiene el resultado de cada ensayo sobre el resul-
tado final del metaanálisis, que será mayor cuanto mayor sea
su tamaño de muestra y menor sea su variabilidad. Cuando
estas líneas cruzan el eje vertical del «empate» nos indica
que el resultado de tal ensayo no es concluyente, es decir,
no es estadísticamente significativo, y viceversa. En la parte
más inferior se representa un rombo o diamante (azul en
el ejemplo) que indica el valor de la estimación puntual
del resultado del metaanálisis, acompañado también de su
intervalo de confianza que nos servirá para constatar su sig-
nificación estadística siempre que no cruce el eje vertical.
La mayor o menor heterogeneidad de un metaanálisis
puede ser escrutada visualmente a través de estas gráfi-
cas Forest. Denotan heterogeneidad cuando existen ensayos
cuyos resultados puntuales (cuadrados) favorecen a una
intervención y otros favorecen a la contrapuesta. También
cuando la estimación puntual obtenida en el metaanálisis
(diamante) difiere significativamente del resultado particu-
lar de uno o varios ensayos incluidos (fig. 5).
La figura 5A es un ejemplo de ausencia de una heteroge-
neidad que sea importante o a tener en cuenta. Todos los
resultados de los ensayos incluidos favorecen a una de las
intervenciones. Además, si trazamos una línea imaginaria (la
48
-20 -10 0 10
Mejor Tratamiento A Mejor Tratamiento B
I2= 3%; P = 0,90
B
-40 0 40 90 140
Mejor Tratamiento A Mejor Tratamiento B
I2= 85%; P < 0,001
Figura 5 Escrutinio de la heterogeneidad a través de las grá-
ficas Forest.
línea azul discontinua) desde el resultado final del metaa-
nálisis se puede observar que dicho resultado no difiere
estadísticamente del resultado de ningún ensayo individual
puesto que cruza todos los intervalos de confianza de los
ensayos incluidos. Por otra parte, la estimación puntual de
I2 es muy baja y sin significación estadística: es compatible
con el valor 0 de I2 . La figura 5B es un ejemplo de todo lo con-
trario, de una enorme heterogeneidad. Se puede observar
que hay ensayos incluidos en el metaanálisis cuyos resulta-
dos favorecen a una u otra intervención, y que incluso hay
tres ensayos cuyo resultado difiere significativamente del
resultado final del metaanálisis dado que la imaginaria línea
azul no cruza sus intervalos de confianza. Lógicamente, aquí
la estimación puntual de I2 será muy elevada, y estadística-
mente significativa: I2 difiere de 0.
La heterogeneidad se produce cuando entre los ensayos
incluidos en el metaanálisis hay discordancias metodoló-
gicas: cuando no tienen exactamente el mismo objetivo
aunque parezca similar; cuando las poblaciones de pacien-
tes y la enfermedad no son exactamente iguales en sus
características; cuando las variables de resultado utilizadas
no están definidas exactamente igual, ni están medidas
exactamente de la misma manera; cuando la intervenciones
aplicadas a los pacientes no son exactamente las mismas
aunque lleven el mismo nombre y cuando alguno de los
ensayos incluidos presentan algún sesgo en su resultado.
 Revista de Senología y Patología Mamaria 34 (2021) 44---51
También se ve favorecida cuando se incluyen ensayos no
aleatorizados cuyos resultados pueden estar lastrados
fácilmente por diversos sesgos.
En ocasiones, cuando la gravedad de la enfermedad no
es la misma en todos los ensayos incluidos, conviene hacer
un metaanálisis estratificado para cada nivel de gravedad
del proceso estudiado, con el fin de eliminar el alto grado
de heterogeneidad que proporcionaría en este escenario un
metaanálisis global de todos los ensayos. Para la estratifi-
cación como herramienta de control de la heterogeneidad
también se suele usar el tamaño de los ensayos, su nivel de
calidad, como, por ejemplo, ensayos aleatorizados frente a
no aleatorizados, su año de publicación, etc., es decir, aque-
llos factores metodológicos que puedan no ser homogéneos
en los ensayos incluidos.
El análisis de sensibilidad, no siempre incluido en los
artículos, es otra herramienta de control de la heterogenei-
dad. Consiste en realizar sucesivos metaanálisis excluyendo
cada vez uno de los ensayos seleccionados. Si alguno de
los resultados desentona fuertemente con el resto se habrá
identificado el ensayo que aporta un mayor grado de hete-
rogeneidad, ensayo que tal vez debería ser excluido del
metaanálisis. Es un mecanismo similar en cierto modo al
que utiliza el llamado metaanálisis acumulado que consiste
en calcular el resultado añadiendo cada vez un ensayo de
los seleccionados, pero siguiendo un orden que suele ser
el año de publicación, así hasta obtener el resultado final
cuando se hayan analizado todos los ensayos selecciona-
dos. La metarregresión es otra técnica estadística en la que
este control se ejerce mediante un ajuste por una o varias
variables concretas, no por ensayos.
Una parte de la heterogeneidad puede controlarse a tra-
vés del propio análisis estadístico efectuado para combinar
los resultados de los ensayos individuales que se resumen
en el resultado final del metaanálisis. En este sentido, hay
dos grupos principales de pruebas estadísticas para el trata-
miento estadístico de los datos: las Pruebas de Efectos Fijos,
y las Pruebas de Efectos Aleatorios, cada cual con distintas
variantes a elegir. Las pruebas de efectos fijos calculan el
resultado final del metaanálisis promediando el resultado
individual de cada ensayo con ponderaciones únicamente
basadas en su tamaño de muestra y en la variabilidad de su
propio resultado. Las pruebas de efectos aleatorios calcu-
lan el resultado final ponderando además por la variabilidad
existente entre los resultados de todos los ensayos incluidos.
Estas pruebas o modelos pueden proporcionar un resultado
final no coincidente si existe cierta heterogeneidad, pero
siempre será más preciso (intervalo de confianza menos
amplio) en las pruebas de efectos fijos que las pruebas de
efectos aleatorios.
En principio, las pruebas de cálculo de efectos fijos se
deberían usar preferentemente cuando los ensayos inclui-
dos son metodológicamente muy similares, mientras que
las pruebas de efectos aleatorios tendrían una mayor
indicación cuando los ensayos incluidos muestren las dis-
crepancias metodológicas antes mencionadas. Los artículos
sobre metaanálisis deben incluir alguna tabla que resuma las
características de las variables de cada uno de los ensayos
y la calidad metodológica de los mismos, como información
descriptiva y como justificación en la elección del método
de cálculo estadístico empleado. No obstante, en la práctica
lo que se suele hacer muchas veces es obtener el resultado
49
final aplicando ambos tipos de pruebas. En el caso de que
ambos resultados difieran mucho en su magnitud se debería
tener en cuenta el obtenido mediante las pruebas de efec-
tos aleatorios, aunque la diferencia final esté sujeta a mayor
fluctuación poblacional. Este proceder, en el fondo, es como
una especie de barrera de defensa ante la obtención de un
resultado heterogéneo.
Una mención especial merece los metaanálisis relaciona-
dos con resultados quirúrgicos. En los metaanálisis de cirugía
la heterogeneidad suele estar muy presente, quizás porque
los ensayos que se incluyen son propensos a esconder ses-
gos metodológicos de diversa naturaleza. Entre otras cosas,
en ellos es difícil el cegamiento y muchas de sus varia-
bles no tienen una escala de medida objetiva y uniforme.
También puede faltar el fundamental principio de incerti-
dumbre, que es una especie de conflicto de intereses, es
decir, el cirujano tiene de entrada preferencia por favorecer
determinados tipos de técnicas, como actualmente podrían
ser las relacionadas con la laparoscopia. Esto influye tanto
en el desarrollo del estudio como en el sentido y magni-
tud del resultado. Además, los ensayos clínicos en cirugía
son escasos, con frecuencia tienen una pequeña muestra
que hace que la aleatorización no controle perfectamente la
existencia de factores de confusión, y no destacan excesiva-
mente en cuanto a su calidad metodológica global15 . Por lo
tanto, y en general, los metaanálisis sobre temas quirúrgicos
merecen siempre una valoración crítica muy exhaustiva.
Pasos fundamentales en la interpretación de
un metaanálisis
Son dos las grandes preguntas que nos debemos hacer
cuando nos enfrentamos a la lectura de un artículo de
metaanálisis: ¿tiene problemas metodológicos, es decir, su
validez interna es lo suficientemente correcta? ¿tiene para
nosotros validez externa, es decir, lo que nos informa es
aplicable a nuestros pacientes?
Para la primera pregunta, ante todo, hemos de valorar
si la información que aporta el metaanálisis está correcta-
mente expuesta y estructurada. Para ello, es bueno disponer
de las normas de publicación existentes7 y comprobar que se
cumplen todas, es decir, que se aporta toda la información
necesaria para su valoración. Hay que desconfiar de la cali-
dad metodológica del metaanálisis si esto no se da. Después,
hemos de fijarnos en la tabla de las características de los
estudios incluidos y de su calidad, para que no surja un posi-
ble sesgo de selección de ensayos que sólo favorecen a uno
de los tratamientos confrontados. Para ello, es útil escrutar
el diagrama de flujo de la búsqueda bibliográfica que nos
debe informar de los criterios de búsqueda y de los rasgos
y motivos de inclusión y exclusión de los estudios encon-
trados en la bibliografía. Por último, se debe comprobar la
posible presencia del sesgo de publicación según las direc-
trices antes expuestas que, de existir, podría haber alterado
la magnitud y la dirección del resultado.
Si la primera pregunta tiene una respuesta favorable, ya
se puede pasar a valorar la siguiente, la que se refiere a
la validez externa. Aquí, lo que suele mirarse ante todo
es la presencia de heterogeneidad. Es lo más importante,
porque si existe y es elevada el resultado no será fiable en
absoluto para nosotros, ni para nadie. Puede ser útil leer
 V.J. Escrig Sos, J.A. Llueca Abella, L. Granel Villach et al.
qué dicen los autores sobre ello en la discusión del artículo,
si es que comentan las posibles causas o fuentes de dicha
heterogeneidad y los puntos débiles del estudio.
Suponiendo que la heterogeneidad sea inexistente o asu-
miblemente baja, ya sólo queda ver el resultado, y aquí es
más conveniente fijarse en su magnitud y en la importan-
cia clínica que conlleva que en su significación estadística.
La consideración de la importancia clínica de un resultado
no es algo que nos resuelva la estadística sino que depende
de nuestro propio criterio y conocimiento sobre el problema
que se analiza, y se basa en valorar, dada la magnitud de la
diferencia de efectos, sí estaría justificado (balance riesgo-
beneficio) cambiar nuestra intervención habitual por la que
se ve favorecida en el metaanálisis, o persistir en el uso de
esta si es la que se ha utilizado. El mejor hallazgo sería
observar un resultado no heterogéneo que consideremos
clínicamente importante y que sea estadísticamente signi-
ficativo, ofrecido por un metaanálisis metodológicamente
correcto en líneas generales.
Un último paso, pero no menos importante, para la valo-
ración de la validez externa del metaanálisis es retornar al
escrutinio de los rasgos de los pacientes incluidos y de la
enfermedad. Ningún resultado nos servirá si los rasgos de
nuestros pacientes difieren de los que se muestran en el
metaanálisis, ni si el grado habitual de la enfermedad que
tratamos es distinta, ni tampoco por añadidura si la aten-
ción médica que en general aplicamos a nuestros casos y sus
resultados pudieran ser distintos al contexto del metaanáli-
sis. Si se dan estas discrepancias nunca podremos reproducir
el resultado del metaanálisis en nuestro entorno, y lo más
probable es que nuestro resultado sea peor. Esta debilidad
en la validez externa de un metaanálisis es extensible a los
ensayos clínicos, y no es infrecuente que se pase por alto
cuando se leen artículos de este tipo.
En definitiva y como ya se ha mencionado antes, un
metaanálisis no equivale sin más discusión a «controversia
resuelta» por más que ocupe el primer puesto en la escala
de la evidencia, y siempre es necesario aplicarle una mirada
crítica, al menos en los aspectos fundamentales que hemos
tratado.
Metaanálisis de supervivencia
Cuando se analizan las diferencias en supervivencia de dos
intervenciones se ha recurrido tradicionalmente a metaa-
nálisis basados en Odds Ratios. Se debe tener en cuenta
que esta medida relativa del riesgo sólo cuenta números
de eventos (muertes, recidivas) pero no tiene en conside-
ración el mayor o menor tiempo que tardan en producirse
ni la influencia de los casos censurados, aquellos casos per-
didos en el seguimiento y los que no han sufrido el evento
final. No tienen la misma supervivencia tres eventos apa-
recidos al año de seguimiento que otros tres eventos que
acontecen a los cinco años. Por lo tanto, lo que hace este
tipo de metaanálisis es sólo una aproximación a la verdadera
supervivencia.
Los Hazard Ratios constituyen la medida relativa del
riesgo de sufrir un evento que sí tienen en cuenta los tres
aspectos de la supervivencia: número de eventos, tiempo e
influencia de los casos censurados. Por lo tanto, un Hazard
Ratio es la medida relativa del riesgo que se debería utilizar
50
para un auténtico metaanálisis de la supervivencia. Si no
se han utilizado anteriormente, o actualmente con más
frecuencia, es por la dificultad del cálculo estadístico y por
la ausencia de software que lo permitiera. Actualmente
este problema ya está resuelto.
La condición necesaria para emplearlos es que los ensa-
yos clínicos que se incluyan en el metaanálisis reporten el
valor del Hazard Ratio y el valor de los dos límites de su
intervalo de confianza, o en última instancia, la informa-
ción necesaria para calcularlos desde otros datos16 . Desde
estas tres cifras se pueden obtener, mediante las oportunas
transformaciones matemáticas16---18 , las restantes variables
necesarias a incluir en la tabla de datos de los programas
estadísticos, como pueden ser Stata® o MedCalc® , entre
otros muchos. Básicamente son tres las variables a manejar:
el propio Hazard Ratio (HR) tal cual o en escala logarít-
mica (logHR), el error estándar del Hazard Ratio en escala
logarítmica (EElogHR), o el llamado estadístico V que es la
varianza del Hazard Ratio en escala logarítmica. Los prin-
cipales métodos de cálculo existentes utilizan LogHR con
EElogHR, o bien HR con V. El resultado final (diamante) mos-
trará el HR combinado con su intervalo de confianza.
Metaanálisis de pruebas diagnósticas
Es otra variedad de metaanálisis de datos agregados. La
introducción de datos de los estudios individuales deriva
de una tabla 2x2 que confronta una prueba diagnóstica
de referencia (Gold Standard) con la prueba a combinar
y resumir en el metaanálisis. Hay que disponer pues de
cuatro variables imprescindibles: el número de verdaderos
y falsos positivos y negativos reportados en cada estudio.
El resultado final mostrará la Sensibilidad, Especificidad, y
Cocientes de probabilidad combinados de la prueba diag-
nóstica a estudio, así como sus índices de rendimiento
diagnóstico general, Odds Ratio y Área bajo la curva ROC.
En líneas generales, la valoración de la validez de este
tipo de metaanálisis es similar a lo expuesto antes, aun-
que tiene algunas características particulares, como es la
evaluación del efecto del distinto umbral de positividad
utilizado en la prueba diagnóstica19 analizada, que reper-
cute en la heterogeneidad del metaanálisis. Actualmente
se utilizan complejas rutinas de cálculo multivariantes que
todavía están en discusión y en evolución. No obstante, para
los iniciados puede ser ejecutado con relativa facilidad en
distintos paquetes de software estadístico19,20 .
Conflicto de intereses
Los autores declaran no tener ningún conflicto de intereses.
Bibliografía
1. Glass GV. Primary Secondary, and Meta-Analysis of Research.
IJERI. 1976;5:3---8.
2. Glass GV. Meta-analysis ad middle age: a personal history. Res
Synth Methods. 2014, http://dx.doi.org/10.1002/jrsm.1133.
3. Egger M, Smith GD, Altman DG. Systematic reviews in health
care. Meta-analysis in context. Ed London: BMJ Books; 2001.
 Revista de Senología y Patología Mamaria 34 (2021) 44---51
4. Walker E, Hernandez AV, Kattan MW. Meta-analysis: Its
strengths and limitations. Cleveland Clinic Journal of Medicine.
2008;75:431---9.
5. Urrutia G, Tort S, Bonfill X. Metaanálisis (QUOROM). Med Clin
(Barc). 2005;125:32---7.
6. Moher D, Cook DJ, Eastwood S, Olkin I, Rennie D, Stroup
DF. Improving the quality of reports of meta-analyses of ran-
domized controlled trials: the QUOROM statement. Lancet.
1999;354:1896---900.
7. Urrutia G, Bonfill X. Declaración PRISMA: una propuesta para
mejorar la publicación de revisiones sistemáticas y metaanáli-
sis. Med Clin (Barc). 2010;135:507---11.
8. Thornton A, Lee P. Publication bias in meta-analysis: its causes
and consequences. J Clin Epidemiol. 2000;53:207---16.
9. Higgins JPT, Thompson SG. Quantifying heterogeneity in a meta-
analysis. Statis Med. 2002;21:1539---58.
10. Egger M, Smith GD, Schneider M, Minder C. Bias in meta-analysis
detected by a simple graphical test. BMJ. 1997;315:629---34.
11. Sterne JAC, Egger M. Funnel plots for detecting bias in
meta-analysis: Guidelines on choice of axis. J Clin Epidemiol.
2001;54:1046---55.
12. Sterne JAC, Gavaghan D, Egger M. Publication and related bias
in meta-analysis: Power of statistical test and prevalence in the
literature. J Clin Epidemiol. 2000;53:1119---29.
51
13. Gleser LJ, Olkin I. Models for estimating the number of unpu-
blished studies. Stat Med. 1996;15:2493---507.
14. Rosenthal R. The «file drawer problem» and tolerance for null
results. Psychol Bul. 1979;86:638---41.
15. Dixon E, Hameed M, Sutherland F, Cook DJ, Doig C. Evalua-
ting Meta-analyses in the General Surgical Literature. A Critical
Appraisal. Ann Surg. 2005;241:450---9.
16. Parmar MKB, Torri V, Stewart L. Extracting summary statistics
to perform meta-analysis of the published literature for survival
endpoints. Statis Med. 1998;17:2815---34.
17. Tierney JF, Stewart L, Ghersi D, Burdett S, Sydes MR. Practi-
cal methods for incorporating summary time-to-event data into
meta-analysis. Trials. 2007;8:16---22.
18. Primo J, Escrig J. MetaSurv: calculadora Excel
para metaanálisis de supervivencia. 2008.
http://www.redcaspe.org/herramientas/calculadoras.
[Consultada 12.4.2020].
19. Zamora J, Plana MN, Abraira V. Estudios de evaluación de
la validez de una prueba diagnóstica: revisión sistemática y
metaanálisis. Nefrología. 2009;29:15---20.
20. Wang J, Leeflang M. Recommended software/packages for
meta-analysis of diagnostic accuracy. J Lab Precis Med.
2019;4:22---7, http://dx.doi.org/10.21037/jlpm.06.01.